數字音頻編解碼技術(shù)國家工程實(shí)驗室
閆建新 倫繼好 王磊
【摘要】本文介紹了一種適用于我國調頻數字音頻廣播的音頻信源編碼技術(shù)，具有較高的編碼效率及分層編碼結構，允許在一個(gè)模擬調頻頻道內傳輸多套數字立體聲節目或一路環(huán)繞聲節目，并保持較好的主觀(guān)聲音質(zhì)量，同時(shí)可匹配信道分層特點(diǎn)，能夠提供立體聲和環(huán)繞聲兩種分層編碼模式，從而兼顧了數字調頻廣播的服務(wù)范圍和服務(wù)質(zhì)量。
1.前言
根據我國調頻數字音頻廣播系統的特點(diǎn)，其音頻業(yè)務(wù)的信源編碼技術(shù)基本要求是：一方面應有高的編碼效率，即在較低的碼率下提供較高的主觀(guān)聲音質(zhì)量；另一方面根據信道特性，如分層調制和不等錯信道編碼技術(shù)，也需要信源編碼能夠提供粗分層的編碼碼流格式。
當前，低碼率音頻編碼技術(shù)主要包括三大標準，一種是ITU也對以前通信中的語(yǔ)音編碼技術(shù)向寬帶音頻進(jìn)行了擴展研究，形成了AMR-WB+[1]；第二種是MPEG組織對高質(zhì)量音頻編碼算法AAC通過(guò)增強編碼工具擴展形成的低碼率編碼算法HE-AAC V2[2]；這兩種編碼算法都被選為ITU 3GPP音頻編碼規范。由于這兩種編碼算法是基于不同的理論而研究出來(lái)的：前者充分利用人耳聽(tīng)覺(jué)特性；而后者主要利用人的發(fā)聲模型；因此在低碼率（如24kbps/立體聲碼率附近）時(shí)，HE-AACv2對音樂(lè )類(lèi)信號編碼很好，對語(yǔ)音類(lèi)信號編碼有明顯失真；AMR-WB+對語(yǔ)音信號有很好的效果，而對音樂(lè )信號則顯得太單薄；因此在2008年MPEG組織啟動(dòng)開(kāi)發(fā)一種新的低碼率音頻編碼技術(shù)，要求對所有音頻信號，任何情況下其編碼效率不低于HE-AACv2和AMR-WB+，也就是第三種低碼率音頻編碼算法MPEG-D
USAC，其主要編碼原理是綜合前兩種低碼率音頻編碼算法的特點(diǎn)，并對多聲道編碼技術(shù)和帶寬擴展技術(shù)進(jìn)一步改進(jìn)和優(yōu)化，同時(shí)采用更高效的熵編碼-算術(shù)編碼獲得更大的壓縮效率，其主觀(guān)聲音質(zhì)量全面優(yōu)于HE-AACv2和AMR-WB+。
在分層音頻編碼上，包括精細分層和非精細分層（或粗分層）方式。精細分層方式又包括有損數字音頻編碼方法及無(wú)損音頻編碼技術(shù)，如ISO/IEC 14496-3 MPEG-4 BSAC(Bitsliced arithmetic coding)比特片算術(shù)編碼和MPEG- SLS（Scalable Lossless Coding）[2]的無(wú)損增強層方式，但精細分層方式存在編碼效率低、結構復雜、處理邏輯復雜度高等缺點(diǎn)；非精細分層的編碼方案包括：在MPEG-4第三部分和MPEG-2第七部分中都提供了可伸縮采樣率編碼算法 AAC-SSR（Advanced Audio Coding-ScalableSampling Rate），編碼架構也類(lèi)似于SONY的ARTAC（Adaptive Transform Acoustic Coding）編碼。該編碼方案首先將輸入的數字音頻信號通過(guò)4帶的多相正交濾波器組（PQF，Polyphase Quadrature Filter）分割成4個(gè)頻帶，然后這4個(gè)頻帶分別進(jìn)行MDCT。該編碼方案還可通過(guò)去除高PQF帶的方式降低數據率，通過(guò)減少頻帶的方式實(shí)現比特流粗分層。這種編碼方案可非常簡(jiǎn)單的獲得4個(gè)分層，但是由于4個(gè)PQF帶間存在混迭，因此相鄰部分的變換域系數編碼效率會(huì )下降，并且減少分層會(huì )明顯降低音頻信號帶寬。
國家標準GB/T 22726-2008 《多聲道數字音頻編解碼技術(shù)規范》[3]（簡(jiǎn)稱(chēng)DRA）是一種高質(zhì)量高碼率的音頻編碼算法，其典型編碼碼率為128kbps/立體聲，5.1聲道環(huán)繞聲碼率384kbps。這樣，對于調頻數字音頻廣播的大部分音頻業(yè)務(wù)而言，編碼碼率偏高；而降低碼率后的編碼聲音質(zhì)量又不滿(mǎn)足要求。
在廣泛研究了以上低碼率音頻編碼技術(shù)和分層編碼技術(shù)的基礎上，并且依托我國自主知識產(chǎn)權的國家標準DRA編碼算法，以兼容方式并通過(guò)對DRA輔助數據擴展方式給出了適合我國調頻數字音頻廣播的音頻信源編碼技術(shù)，圖1為調頻數字音頻廣播系統中對音頻業(yè)務(wù)的編解碼模塊的作用和位置。
 |
圖1 調頻數字音頻廣播系統中的音頻編碼
2.CDR編碼算法
2.1 編碼框架
在調頻頻段數字音頻廣播中，提供了數字音頻廣播音頻編碼的4種編碼類(lèi)型，其中類(lèi)型0為DRA，但對其聲道數量、采樣率范圍及碼率參數做出了一定的限制；其他3種類(lèi)型是基于DRA基礎上技術(shù)擴展，包括DRA低碼率音頻編碼、DRA分層編碼和DRA低碼率分層編碼。每種編碼支持的聲道模式為：?jiǎn)温暤馈⒘Ⅲw聲和5.1環(huán)繞聲。
表1 音頻編碼類(lèi)型
 |
22726-2008 《多聲道數字音頻編解碼技術(shù)規范》，所以本文主要描述基于DRA編碼技術(shù)規范的其他3種擴展編碼類(lèi)型。DRA擴展編碼類(lèi)型的算法是在DRA附加數據部分通過(guò)提供多個(gè)增強編碼工具和編碼功能實(shí)現的，包括：頻帶復制技術(shù)(例如SBR)、參數立體聲（例如PS）和分層模塊等，下一節主要介紹其他三種編碼算法的原理。
2.2 編碼框架
（1）DRA_S編碼類(lèi)型的編碼框架
DRA_S的單聲道和立體聲的具體編碼框架如圖2所示。
在編碼類(lèi)型1（DRA_S）單聲道編碼算法中，DRA編碼模塊對其輸入信號的低頻部分進(jìn)行編碼處理，輸出DRA編碼碼流；帶寬擴展編碼模塊對其輸入信號的高頻部分進(jìn)行編碼處理，輸出SBR編碼碼流。所有碼流通過(guò)復用碼流模塊輸出DRA_S碼流。
在編碼類(lèi)型1（DRA_S）立體聲編碼算法中，立體聲音頻信號根據編碼碼率選擇是否使用參數立體聲編碼模塊處理，如果使用則輸出參數立體聲編碼碼流；DRA編碼模塊對其輸入信號的低頻部分進(jìn)行編碼處理，輸出DRA編碼碼流；帶寬擴展編碼模塊對其輸入信號的高頻部分進(jìn)行編碼處理，輸出帶寬擴展編碼碼流。所有碼流通過(guò)復用碼流模塊輸出DRA_S碼流。
 |
圖2 DRA_S單聲道或立體聲編碼框圖
DRA_S的環(huán)繞聲的具體編碼原理如圖3所示。DRA_S環(huán)繞聲編碼結構則由三部分構成：L&R聲道對DRA_S編碼、C單聲道DRA_S編碼及LFE聲道DRA編碼和LS&RS聲道對DRA_S編碼。  |
圖3 DRA_S環(huán)繞聲編碼框圖
（2）DRA_L編碼類(lèi)型的編碼框架DRA_L的單聲道和立體聲的具體編碼框架如圖4所示。基本層編碼的方法是首先根據基本層分配的編碼比特率進(jìn)行DRA編碼；輸入信號與基本層恢復的信號間的殘差信號作為增強層輸入信號，增強層采用與DRA量化和熵編碼同樣的技術(shù)對殘差信號壓縮。
 |
圖4 DRA_L單聲道或立體聲編碼框圖
DRA_L環(huán)繞聲的具體編碼原理如圖5所示。基本層以對左右聲道以立體聲對應用DRA編碼；增強層包括中央聲道和超重低音聲道的單聲道DRA編碼和左右環(huán)繞聲道對DRA編碼。  |
圖5 DRA_L環(huán)繞聲編碼框圖
（3）DRA_SL編碼類(lèi)型的編碼框架DRA_SL單聲道或立體聲的具體編碼框架如圖6所示,其編碼原理可參考DRA_S和DRA_L。
 |
圖6 DRA_SL單聲道或立體聲編碼框圖
DRA_SL環(huán)繞聲的具體編碼原理如圖7所示。  |
圖7 DRA_SL環(huán)繞聲編碼框圖
2.3 音頻編碼算法的數據結構（1）DRA編碼算法的幀結構
圖8為一般DRA的幀結構，其中在幀頭信息中有1比特指明是否存在輔助數據的指示，“1”表明有，“0”表明沒(méi)有。
 |
圖8 DRA基本幀結構示意圖
（2）輔助數據擴展的一般結構輔助數據擴展的結構示意圖如圖9所示。其中每個(gè)數據塊下面小括號內的數字表示其占用的長(cháng)度，單位為比特，X1，Xn分別為第1個(gè)和第n個(gè)輔助類(lèi)型的數據長(cháng)度，單位為字節。
 |
圖9 輔助數據的結構示意圖
以下DRA_S、DRA_L和DRA_SL編碼的基本幀結構都是通過(guò)圖9的輔助數據擴展格式為基礎定義的。
（3）DRA_S編碼類(lèi)型的基本幀結構
DRA_S編碼主要是利用輔助數據擴展部分所提供的增強編碼工具，包括帶寬擴展編碼工具和參數立體聲編碼工具等，提高編碼DRA的編碼效率，提供低碼率音頻編碼算法。其基本結構為：（其中虛線(xiàn)框為可選數據單元）
 |
圖10 DRA_S幀結構
（3）DRA_L及DRA_SL分層基本幀結構分層又根據編碼的聲道數分為單聲道與立體聲的分層以及5.1環(huán)繞聲的分層兩種。
圖11和圖13分別給出了單聲道或立體聲的DRA分層編碼（DRA_L）和DRA低碼率分層編碼（DRA_SL）結構。其基本編碼過(guò)程是根據總編碼比特率合理分配基本層和增強層的比特率，然后分別對基本層和增強層進(jìn)行編碼。
DRA_L單聲道或立體聲編碼的過(guò)程：根據基本層分配的編碼比特率進(jìn)行單聲道或立體聲對DRA編碼；從MDCT域的原始音頻信號與基本層解碼后部分恢復的音頻信號之間的殘差作為增強強層編碼的輸入信號，通過(guò)類(lèi)似于DRA熵編碼模塊處理編碼，但是其中殘差信號編碼熵編碼的碼書(shū)選擇及其應用范圍、量化步長(cháng)指數和Huffman碼書(shū)都進(jìn)行了優(yōu)化，提高殘差信號熵編碼效率。
DRA_SL單聲道或立體聲編碼的過(guò)程：輸入為單聲道時(shí)，基本層中只對單聲道進(jìn)行DRA編碼，并根據基本層分配的比特率，可自動(dòng)選擇是否啟動(dòng)帶寬擴展編碼工具；增強層編碼與DRA_L的單聲道增強層編碼相同。當輸入為立體聲時(shí)，基本層采用DRA_S編碼；增強層采用DRA_L增強層同樣的編碼。
圖12和圖14分別給出了DRA_L和DRA_SL環(huán)繞聲分層幀結構示意圖，采用環(huán)繞聲二分層的結構，形成基本層和增強層。其基本編碼過(guò)程為：首先根據總比特率要求合理分配基本層和增強層各自所占比率，然后分配各聲道對和獨立聲道的比特率，最后分別對基本層和增強層編碼。
DRA_L環(huán)繞聲分層編碼為：基本層編碼是對左右聲道以立體聲對方式直接應用DRA算法編碼；增強層對中央聲道和超重低音聲道分別進(jìn)行單聲道DRA編碼，對左右環(huán)繞聲道也以立體聲對方式進(jìn)行DRA編碼。
DRA_SL環(huán)繞聲分層編碼為：在基本層中對左聲道和右聲道組成的立體聲對進(jìn)行立體聲DRA編碼，并且可根據立體聲對的編碼碼率需求自適應地選擇應用帶寬擴展技術(shù)和參數立體聲編碼技術(shù)。當僅選擇使用帶寬擴展技術(shù)時(shí)，則DRA編碼部分將只對輸入聲道的低頻帶部分編碼；當又開(kāi)啟了參數立體聲編碼技術(shù)時(shí)（此時(shí)帶寬擴展編碼技術(shù)應已經(jīng)使用）， DRA編碼部分應修改為僅對縮混的單聲道低頻部分進(jìn)行編碼。在增強層中，首先對中央聲道C進(jìn)行DRA編碼，可選采用帶寬擴展編碼技術(shù)，然后對超重低音聲道LFE采用DRA編碼。最后對左右環(huán)繞聲道（LS和RS）進(jìn)行立體聲對DRA編碼，類(lèi)似于左右聲道對編碼方式，可自適應地開(kāi)啟帶寬擴展和參數立體聲編碼技術(shù)，提高對環(huán)繞聲對的編碼效率。
 |
圖11 DRA_L單聲道或立體聲分層算法的幀結構
 |
圖12 DRA_L 5.1環(huán)繞聲分層算法的幀結構
 |
圖13 DRA_SL單聲道或立體聲分層算法的幀結構
 |
圖14 DRA_SL 5.1環(huán)繞聲分層算法的幀結構
3.測試及試驗結果（1）DRA編碼技術(shù)測試
根據ITU-R BS.1116[4]小損傷聲音主觀(guān)測試標準，采用雙盲三激勵隱藏基準5級評價(jià)方法對DRA多聲道數字音頻編碼技術(shù)DRA編碼算法進(jìn)行了正式主觀(guān)聽(tīng)音測試，測試主要條件包括：測試環(huán)境為國家數字電視系統測試實(shí)驗室音視頻主觀(guān)評價(jià)室；測試人員為41個(gè)有聽(tīng)音測試經(jīng)驗的人員（包括專(zhuān)家組和專(zhuān)業(yè)組）；環(huán)繞聲測試序列包括4個(gè)國際標準測試片段和2個(gè)商業(yè)片段，立體聲測試序列主要由國際標準測試序列組成。DRA在384kbps碼率下5.1聲道獲得4.9分；128kbps碼率立體聲獲得4.7分。同時(shí)測試結果也表明：DRA技術(shù)在每聲道64kbps的碼率時(shí)即“達到了EBU（歐洲廣播聯(lián)盟）定義的‘不能識別損傷’的音頻質(zhì)量”。同時(shí)DRA編碼技術(shù)也被國際藍光協(xié)會(huì )（BDA）分別進(jìn)行了兩輪主觀(guān)聲音質(zhì)量測試，包括在日本BDA成員專(zhuān)家進(jìn)行的主觀(guān)測試和好萊塢片商組織的主觀(guān)測試，測試表明DRA音頻編碼算法都滿(mǎn)足其嚴格的高質(zhì)量主觀(guān)音質(zhì)要求。
（2）DRA_S（DRA低碼率）音頻編碼測試
內部測試結果：根據ITU-R BS.1534[5]中等質(zhì)量音頻主觀(guān)測試標準，對DRA低碼率音頻編碼算法進(jìn)行了內部主觀(guān)聽(tīng)音測試，測試主要條件包括：測試環(huán)境為數字音頻編解碼技術(shù)國家工程實(shí)驗室聽(tīng)音室，測試設備為專(zhuān)業(yè)聲卡及高保真耳機HD600；測試人員為11個(gè)有聽(tīng)音測試經(jīng)驗的人員（包括編碼算法開(kāi)發(fā)人員及其他相關(guān)人員）；測試序列為MPEG低碼率音頻編碼標準開(kāi)發(fā)所使用的12個(gè)測試序列（立體聲wav文件，采樣率48kHz，量化比特16比特）。測試結果表明DRA_S編碼在48kbps/立體聲碼率下83.6分；同樣條件下DRA編碼僅獲得62.6分。
正式測試結果：根據ITU-R BS.1534中等質(zhì)量音頻主觀(guān)測試標準，對DRA低碼率音頻編碼算法進(jìn)行了正式主觀(guān)聽(tīng)音測試，測試主要條件包括：測試環(huán)境為國家廣播電影電視總局廣播電視計量檢測中心視頻主觀(guān)評價(jià)室；測試人員為21個(gè)有聽(tīng)音測試經(jīng)驗的人員（包括專(zhuān)家組和專(zhuān)業(yè)組）；測試測試序列包括6個(gè)立體聲wav文件，采樣率48kHz，量化比特為16bit，選自EBU主觀(guān)評價(jià)序列及商業(yè)CD。DRA_S編碼在48kbps/立體聲碼率下獲得84.6分。
（3）DRA_L及DRA_SL分層音頻編碼測試結果
由于DRA_L及DRA_SL編碼算法分別基于DRA及DRA_S編碼算法基礎上完成的，特別基本層完全采用DRA或DRA_S編碼方法，因此完全可以根據DRA和DRA_S編碼的主觀(guān)聲音質(zhì)量估計DRA_L和DRA_SL分層編碼的主觀(guān)聲音質(zhì)量。對于單聲道和立體聲編碼方法，根據其編碼原理可以推斷出DRA_L和DRA_SL基本層編碼質(zhì)量分別與（基本層比特率下的）DRA和DRA_S的編碼質(zhì)量相同；DRA_L和DRA_SL（基本層及增強層的全比特率條件下）的編碼質(zhì)量分別略低于同樣碼率下的DRA和DRA_S編碼質(zhì)量（這是由于增強層需要一些額外開(kāi)銷(xiāo)表示增強層信息）。同樣對于5.1環(huán)繞聲情況，由于DRA_L和DRA_SL基本層編碼前置立體聲信號，因此分別與DRA和DRA_SL編碼質(zhì)量相同；對于DRA_L和DRA_SL（基本層及增強層的全比特率條件下）分別與DRA和DRA_S環(huán)繞聲質(zhì)量相當（根據國家工程實(shí)驗室聽(tīng)音室進(jìn)行的非正式主觀(guān)聽(tīng)音測試）。
4.結論
本文介紹了一種適用于我國數字調頻廣播中音頻業(yè)務(wù)信源編碼的壓縮技術(shù)，除了已經(jīng)成功國家標準的DRA標準編碼規范外，同時(shí)擴展了三種其他編碼模式，可滿(mǎn)足于不同質(zhì)量等條件下的各種廣播業(yè)務(wù)需求。主觀(guān)聲音測試結果表明DRA_S在低碼率下明顯好于DRA，且在低碼率下能夠提供較好的主觀(guān)聲音質(zhì)量；在與DRA和DRA_S相當的主觀(guān)聲音質(zhì)量下，DRA_L和DRA_SL分別提供了分層的數據結構，可直接匹配于支持分層的信道及調制傳輸方式，便于有效處理我國調頻數字音頻廣播中覆蓋和聲音質(zhì)量的問(wèn)題。
參考文獻:
[1]3GPP TS 26.290: "Audio codec processing functions; Extended Adaptive Multi-Rate- Wideband (AMR-WB+) codec; Transcoding functions "
[2]ISO/IEC14496-3:2009 Information technology - Coding of audio-visual objects -Part 3: Audio
[3]GB/T 22726-2008 《多聲道數字音頻編解碼技術(shù)規范》
[4]ITU-R BS.1116-1《Methods for the subjectiveassessment of small impairments in audio systems including multichannel sound systems》
[5]ITU-R BS.1534-1《Method for the subjective assessment of intermediate quality level of coding systems》
